Spark学习（2）-Spark数据集与编程模型

末蓝、 2022-03-15 10:54 205阅读 0赞

**目录：**

1.  RDD介绍
2.  Spark核心介绍 - RDD
3.  Spark核心介绍 - 分区
4.  Spark核心介绍 - 宽依赖和窄依赖
5.  Spark核心介绍 - Transformation 和 Action
6.  Spark发布

## ##

### 一.RDD介绍 ###

*  Spark 核心的概念是 *Resilient Distributed Dataset (RDD)，*弹性分布式数据集：一个可并行操作的有容错机制的数据集合。可以让用户显式地将数据存储到磁盘和内存中，并能控制数据的分区。  
    同时，RDD还提供一组丰富的操作来操作这些数据。在这些操作中，诸如map、faltMap、filter等转换操作实现了函数式编程模式，很好地切合了scala的集合操作。初此之外，RDD还提供了诸如join、groupBy、reduceByKey等更为方便你的操作（注意：reduceByKey是action，而非transformation），以支持常见的数据运算。
 *  通产来讲，针对数据处理有几种常见模型，包括：Iterative Algorithms，Relational Queries，MapReduce，Stream Prcessing。例如Hadoop MapReduce采用了MapReduce模型，Strom则采用了Stream Prcessing模型。RDD混合了这四种模型，使得Spark可以应用于各种大数据处理场景。

**解析：**

1.  RDD：弹性分布式数据集  
    弹性：在计算过程中，某些任务或者某些数据出现故障之后，spark都可以将这个RDD还原成一个正常的状态  
    分布式：将数据放在多台服务器上进行并行计算的一种方式  
    数据集：包含很多条数据
2.  RDD中也有一个概念：分区  
    数据集是一个很大的数据集合，如果这个集合是一个给整体的话，那么将会出现计算时间过长，所以Spark将RDD中的数据进行第二次拆分：按分区来拆分。  
    每一个分区将作为spark计算时的一个Task任务（shuffleMapTask）  
    在mapReduce里面如何认定一个MapTask？一个块产生一个MapTask
3.  Spark的算子分类：转换算子和行动算子（在某些书中提到控制算子，相当于行动算子的一小块）  
    转换算子在使用的时候，spark是不会真正执行，直到需要行动算子之后才会执行。  
    在spark中每一个算子计算之后就会产生一个新的RDD。
4.  Spark在计算的时候，只要源文件存在，那么结果永远不会出错。（高容错性）
    
    1.  问题一：为什么Spark在使用中，要需要行动算子的时候才开始进行计算？  
        如果每一个算子在创建的时候就执行的话，执行的结果都会产生一个新的RDD，但这些RDD优先存到内存中。如果很长一段时间都没有遇到行动算子的话，那么就会存在要么数据丢失或者数据移到硬盘上（那么计算速度会下降）  
        spark要解决这个问题，就要把这种可能性缩小。
    2.  问题二：如果某一个RDD在计算的时候出错（如服务器挂掉），在spark怎么解决？  
        spark内部中有一个血统容错的机制（有一个RDD挂掉之后，spark会从它的上一步去拿RDD，如果上一步的RDD也掉了的话，又继续向上进行，直到拿到RDD）。

**转换算子和行动算子说明：**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70][]

### 二.Spark核心介绍 - RDD ###

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 1][]

**说明：**

RDD是一个只读的（不可以修改），spark针对每一步操作会操作一个新的RDD.

一个RDD是否可以同时存在内存和硬盘中？可以的

Spark的产生RDD的数据来源，可以来此外部文件（hdfs、hbase、文件系统等等）和scala集合（数组、list、map、set）

**实例：**

1.  **将原生的scala数据集合转换为RDD操作**  
    ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 2][]  
    第一种方式：
    
        package test
        import org.apache.spark.SparkConf
        import org.apache.spark.SparkContext
        import org.apache.spark.SparkContext._
        import org.apache.spark.rdd.RDD
        object SparkFirst {
          def main(args: Array[String]): Unit = {
            
            //先拿到sc == sparkContext
            //spark主要是做计算 -->最终是不是要打包发布到spark集群中，因为集群中要运行多个spark程序，所以事先要给job取个名字
            val conf=new SparkConf().setAppName("HelloSpark").setMaster("local[2]")
            val sc=new SparkContext(conf)
            val arr=Array(2,3,4,5,6,7)
            
            //因为RDD是只读的，所以在定义变量的时候，采用val而不是var
            val r1:RDD[Int]=sc.makeRDD(arr)
            println(r1.count())
          }
        }
2.  **将hdfs原文件的内部数据转换为RDD操作**  
    ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 3][]

### 三.Spark核心介绍 - 分区 ###

### ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 4][] ###

**说明：（面试重点）**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 5][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 6][]

查看分区数：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 7][]

设置分区数的第1种方法

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 8][]

设置分区数的第2种方法

![20190302230208635.png][]

设置分区数的第3种方法

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 9][]

### 四.Spark核心介绍 - 宽依赖和窄依赖 ###

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 10][]

**说明：**

![20190303000051492.png][]

**stage的划分：遇到宽依赖就划分**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 11][]

## ##

### 五.Spark核心介绍 - Transformation 和 Action ###

**1.Transformation**

### ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 12][]   ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 13][]   ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 14][] ###

**说明：**  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 15][]  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 16][]  
map和flatmap的区别：  
aaa.txt

scala hello 
    aaa world  java
    yi guang  aaa  bbb
    ddd

package test
    import org.apache.spark.SparkConf
    import org.apache.spark.SparkContext
    import org.apache.spark.SparkContext._
    import org.apache.spark.rdd.RDD
    object SparkFirst {
      def main(args: Array[String]): Unit = {
        val conf=new SparkConf().setAppName("HelloSpark").setMaster("local[2]")
        val sc=new SparkContext(conf)
        val arr:RDD[String]=sc.textFile("E://aaa.txt")
        println(arr.count())    //4
        println(arr.flatMap(_.split(" ")).count) //12
        println(arr.map(_.split(" ")).count())  //4
        
      }
    }
    map的形式
    List(List(scala hello), List(aaa world  java),List(yi guang  aaa  bbb),List(ddd))
    flatMap的形式
    List(scala,hello,aaa,world,java,yi,guang,aaa,bbb,ddd)

**实例：**

1.  map算子  
    ![20190303170606181.png][]
2.  使用scala原生语法和spark转化算子的区别  
    ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 17][]
3.  filter算子  
    ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 18][]
4.  关于执行效率：比如将一批数据中年龄大于40的人的工资加500，那么先过滤掉年龄小于40的，再工资加500，也就是先过滤，再计算  
    ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 19][]
5.  flatmap算子（map算子和flatmap算子的区别）  
    ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 20][]
6.  groupByKey算子  
    ![20190303173639264.png][]  
    ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 21][]
7.  reduceByKey算子  
    ![20190303175204704.png][]  
    结果：  
    ![20190303175240960.png][]
8.  union算子  
    ![20190303175457863.png][]  
    结果：  
    ![20190303175543727.png][]
9.  join算子  
    ![20190303175754736.png][]  
    结果：  
    ![20190303175945264.png][]  
    ![2019030317583550.png][]
10. union和join的区别  
    ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 22][]
11. mapValues算子  
    值扩大10倍  
    ![20190303223208193.png][]  
    结果：  
    ![2019030322332499.png][]
12. partitionBy算子  
    第一步：创建自定义分区类  
    ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 23][]  
    第二步：使用自定义分区  
    ![20190303224805574.png][]

**2.Action**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 24][]  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 25][]  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 26][]

**说明：**  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 27][]  
![20190303232230150.png][]

**实例：**

1.  count算子：统计RDD中有多少个元素  
    ![20190303225413770.png][]
2.  collect算子  
    ![20190303225626850.png][]
3.  reduce算子  
    ![20190303225727744.png][]  
    结果：![20190303225948375.png][]  
      
    ![20190303225912314.png][]  
    结果：![20190303225931545.png][]  
     
4.  lookup算子  
    ![20190303230142353.png][]  
    结果：  
    ![20190303230219745.png][]
5.  take算子  
    ![20190303230757854.png][]  
    结果：  
    ![20190303231021813.png][]
6.  sortBy算子  
    ![20190303230943901.png][]  
    结果：  
    ![20190303230953977.png][]
7.  saveAsTextFile算子  
    ![20190303231546134.png][]
8.  saveAsSequenceFile算子  
    ![20190303231853950.png][]

## ##

### 六.Spark发布 ###

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 28][]  
**说明：**  
![20190303234919903.png][]

**流程：**

1.  项目编译、打包  
    ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 29][]
2.  发布  
    ![20190303234843550.png][]  
    实例1：  
    ![201903032347072.png][]  
    实例2：![20190303234346399.png][]
3.  web访问  
    ![20190303234747102.png][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70]: /images/20220315/83eead0960d1400c83a22192e51c52cb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 1]: /images/20220315/fbc459ecfdb74258a55101977fbf1e80.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 2]: /images/20220315/d51f29f545e9447c980785445fe65249.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 3]: /images/20220315/34c712933cc7420bab58562fce142c2e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 4]: /images/20220315/404a294ce882415398ffa0c562ca84a2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 5]: /images/20220315/23982bf99cad437ba35a68518a81b03c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 6]: /images/20220315/cf460333900e4390a29f5e80e6b4ae63.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 7]: /images/20220315/73f68b0face84b4395b0f6668e15f5f2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 8]: /images/20220315/8efe5a1a6f334110831048b245d53642.png
[20190302230208635.png]: /images/20220315/fb4fc35caaab4ea180bc96a173d76afb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 9]: /images/20220315/5a4f16d0a9014d749928e97d7add03cb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 10]: /images/20220315/c3f7a847b178470dbed3c0fb424d521a.png
[20190303000051492.png]: /images/20220315/7bfc2739c8414a4683bc7054df719905.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 11]: /images/20220315/a45c0fb7d674465ca2c0cd14a54431a9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 12]: https://img-blog.csdnimg.cn/20190303165044519.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 13]: https://img-blog.csdnimg.cn/20190303225110120.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 14]: /images/20220315/f1801cf089454d458981deabddf54acf.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 15]: /images/20220315/839b632fcf02446ab38896f24918335f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 16]: /images/20220315/e57862b27681470aba6841da27cf50d7.png
[20190303170606181.png]: /images/20220315/be9d86825dd74b55b59325026d50a256.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 17]: /images/20220315/8aa6d0b985d14eca868d347a6d116d31.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 18]: /images/20220315/fcd72072cd444056befb02a2896d522b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 19]: /images/20220315/024eebe74a064656afae65eb3a2468c2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 20]: /images/20220315/8a2d9daac7524faa8a1b5f29ede43bdb.png
[20190303173639264.png]: /images/20220315/55b5ff8393e4424f8ae487609d1a63f4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 21]: /images/20220315/15ebeab4a9b243c7a9e7312941cca5e8.png
[20190303175204704.png]: /images/20220315/c9fc28d2b18f4daf9b75d3d590eb63ee.png
[20190303175240960.png]: /images/20220315/633e92de248f425c8dec61ca6d2e70aa.png
[20190303175457863.png]: /images/20220315/7d176e73b80b4da692c9d3aa3c652190.png
[20190303175543727.png]: /images/20220315/56df9f760a364b2391642da5aded8f54.png
[20190303175754736.png]: /images/20220315/bfe7212f7b0c4303b922e9033f047e42.png
[20190303175945264.png]: /images/20220315/3f97315299414f7ba28a4aea70bd8152.png
[2019030317583550.png]: /images/20220315/b6c45c4f253e4b229f791156dbe7eb5e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 22]: /images/20220315/d971709442ef410593adb38edaaa1be3.png
[20190303223208193.png]: /images/20220315/8f6d1794b63c4d3f8847073dd4e2e4bf.png
[2019030322332499.png]: /images/20220315/31b8cda3cbf74a629374b5bff1c2bf88.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 23]: /images/20220315/f645e6c8b4204c799af1a0e51e068f5c.png
[20190303224805574.png]: /images/20220315/1e3e9d720ba846da82f2396989df6043.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 24]: /images/20220315/810e4b9e60fc4eee9d84abd96f5115a3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 25]: /images/20220315/2a1a53dc17a6422dae263d7c6c5767de.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 26]: /images/20220315/97601e6f05074622b2acfbb05c558883.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 27]: /images/20220315/e5b1fc04a8c54286a31e4861f62b3bcf.png
[20190303232230150.png]: /images/20220315/c122999cefef478597eb4b610147af0d.png
[20190303225413770.png]: /images/20220315/31a3170161714c64b9148befd5e5ded3.png
[20190303225626850.png]: /images/20220315/1cfd298fd7b047248339b6c6af6077eb.png
[20190303225727744.png]: /images/20220315/b06144ed1dc1451cae10ba94ab409681.png
[20190303225948375.png]: /images/20220315/fb2dc4e126bf463d897e0c8b9aa529df.png
[20190303225912314.png]: /images/20220315/3e2f0dee0d3d48d58821486d74d495fc.png
[20190303225931545.png]: /images/20220315/15451e55f36b49a5aa4ff4d45c893bad.png
[20190303230142353.png]: /images/20220315/9c94268abb704506aa27479cdf6b13fd.png
[20190303230219745.png]: /images/20220315/872ee68f016a4903bdbe9b1a7476f3c6.png
[20190303230757854.png]: /images/20220315/a187ed4bb34b4822a6b0de4b1d37d726.png
[20190303231021813.png]: /images/20220315/c0c0da1a8ad94416a60ba4694a138cfc.png
[20190303230943901.png]: /images/20220315/b8ebdb02366c443d8fa412c1b1d5d6af.png
[20190303230953977.png]: /images/20220315/e43125c5b13a4217b82d844e5b6e4a8b.png
[20190303231546134.png]: /images/20220315/ff3b1a715ef142cf8e05f4ce473e4ce8.png
[20190303231853950.png]: /images/20220315/01cd1df0460a4904b8a08e19d979001a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 28]: /images/20220315/dfbd6d3e6059411eb45bf17cc344db73.png
[20190303234919903.png]: /images/20220315/22c77dcf663d4f0e85449ccf95a9d97e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lpZ3VhbmdfODIw_size_16_color_FFFFFF_t_70 29]: /images/20220315/3ac00fc7d7b144b090cf1805db53c1a4.png
[20190303234843550.png]: /images/20220315/abff56ff334d402789f7c242604e0542.png
[201903032347072.png]: /images/20220315/5766b99ba6ca4375988c0826031f2326.png
[20190303234346399.png]: /images/20220315/8f47e246234c40a6969e55d8ba87fedc.png
[20190303234747102.png]: /images/20220315/76e29cf8b7754813a8bdc7c4a2fa51c8.png